摘要
去年，我們在首篇AIGC深度報告《AIGC：Web3時代的生產力工具》中，探討了這項技術帶來的變革及其產業影響。隨著ChatGPT爆紅，一個問題不斷被提及：AIGC的商業模式究竟是什麼？它該如何變現？為此，我們訪談了數十家海內外的AIGC團隊；同時也觀察到，今年1月初微軟宣布與OpenAI深化合作，將AI技術整合進既有產品線，並透過Azure OpenAI服務開放給開發者，助其打造專屬AI應用。AIGC的商業化曙光已現，本文將聚焦剖析其可能的發展路徑。
AIGC驅動商業模式變革：AI走向台前隨著自然語言處理（NLP）技術大幅降低AI的使用門檻，加上AIGC生成演算法持續優化，其商業化落地速度與成效可能超出預期。像Jasper這類新創公司已開始產生營收，顯示AI正以更直接、更顯著的方式創造商業價值。如今，AI不再像過去那樣必須與硬體或系統綑綁銷售；對普羅大眾而言，它也不再是遙不可及的尖端科技。
企業端（To B）仍是AIGC商業模式主力儘管AIGC讓終端用戶（C端）能輕鬆使用AI生成內容，但目前核心商業模式仍以服務企業客戶（B端）為主。企業需求與付費意願相對穩定，主要有兩個原因：首先，AIGC能為企業帶來明確的效率提升與成本節省，例如自動抓取資訊並依照模板生成新聞稿或產品評測；其次，它能滿足過去難以實現的特定需求。
消費端（To C）AIGC以SaaS訂閱制為主隨著AI模型與算力突破可用性門檻，AIGC對個人用戶的賦能力量不容小覷，其主要商業模式將是SaaS訂閱制。這主要體現在兩方面：一是效率工具，AIGC產品能在資訊獲取、格式整理與工作流程等環節提升個人效率；二是創作工具，如同修圖與剪輯軟體，AIGC能大幅降低一般人的創作門檻。以效率工具為例，Notion推出的NotionAI尤其值得關注——這顯示AI模型正作為基礎設施，逐步融入現有的工作流程之中。
AIGC普及，算力需求爆發隨著AIGC未來應用日漸普及，背後將催生出龐大的算力市場。OpenAI的研究顯示，AI訓練所需的算力正呈指數級增長，其速度甚至超越了硬體領域的摩爾定律。驅動大型AI模型需要驚人的算力，成本也隨之飆升——例如，訓練GPT-3的成本就超過400萬美元。儘管AI模型本身常選擇開源，但其底層數據集與具體訓練成果通常被團隊視為核心資產，這意味著每一款AI產品都必須獨立負擔高昂的訓練成本。隨著AIGC在企業端與消費端的商業化落地逐步推進，算力集群建設與雲服務產業都將直接受益；同時，在NVIDIA A100、H100等高端晶片出口受限的背景下，國產算力晶片有望迎來新的市場機遇。
AIGC與社群的協同價值近期與多家創業團隊交流，我們發現業界高度關注AIGC與Web3.0的結合，以及AIGC與社群的深度融合。AIGC大幅降低了用戶的創作門檻，不僅能強化社群互動與成長，也為平台節省了內容生產成本。同時，社群用戶對內容的討論與偏好，能為AIGC模型提供高品質的回饋，從而驅動模型持續優化，提升產品競爭力。NFT能為數位作品確權並連結社群，AIGC與NFT社群的融合探索，很可能催生令人期待的商業創新。
AIGC投資框架：聚焦軟體、硬體與數據集生成演算法、NLP技術與算力共��構成了AIGC運行的基礎，而高品質的數據集則直接決定了AIGC的輸出品質與商業模式的可行性。軟體層面主要關注自然語言處理技術（如Google、Microsoft、科大訊飛、拓爾思）以及AIGC生成演算法模型與數據集（如NVIDIA、Meta、百度、藍色光標、視覺中國、崑崙萬維）。算力層則涉及中興通訊、瀾起科技、新易盛、天孚通信、寶信軟體、中際旭創等相關企業。
風險提示：技術發展速度不如預期；政策監管風險。
微軟與OpenAI深化合作，AIGC商業化進程加速。1月23日，微軟正式宣布將與OpenAI展開更深入的合作，並計劃在未來數年內追加投資數十億美元，以加速人工智慧技術的普及。微軟正積極推動OpenAI技術的商業化，計畫將ChatGPT、DALL-E等現有AI工具整合至旗下所有軟體，例如Bing搜尋引擎與Office辦公套件，為用戶帶來更高效的互動體驗。更值得關注的是，微軟將推出Azure OpenAI人工智慧雲服務，允許開發者基於OpenAI的模型構建自己的應用程式，此舉將大幅加速AI技術的商業應用落地。
這意味著，身為AIGC產業龍頭的OpenAI，已正式啟動商業化進程：一方面，它將自身定位��模型基礎設施，為搜尋引擎與辦公軟體賦能，藉此提升效率與用戶黏著度；另一方面，則透過合作夥伴的算力基礎設施，為未來拓展底層硬體業務打下堅實基礎。
我們在早前的深度報告《AIGC：Web3時代的生產力工具》中，已探討過AIGC的技術變革與應用場景。隨著產品落地與應用場景不斷擴展，市場焦點正逐漸轉向商業模式的探討——一個核心問題浮現：AIGC該如何變現？透過產業訪談，我們認為2023年將是AIGC商業化加速的一年，AIGC有望真正融入大眾的日常生活與工作。
一、AIGC驅動的商業模式變革：AI走向前台
「AI走向前台」是我們近期產業交流中最深刻的感受。儘管AI發展多年，但在許多領域的應用更像經過專業訓練的「專科生」；如今基於大模型的AIGC，則更像受過通識教育的「研究生」——雖在發展初期於特定專業領域能力有限，卻擁有更強的拓展潛力。因此我們預期，待2023年GPT-4模型發布後，「AIGC+」將成為全球性浪潮。底層大模型與數據集將成為下個科技時代真正的「IT基礎設施」，其垂直領域的價值同樣不容小覷。正如OpenAI與Microsoft的合作所揭示的，通用型AI走向前台的趨勢將愈發明顯。
AI有能力透過自動執行各類任務、提升效率並催生新型經營方式，從而改變商業模式。以下是AI改變商業模式的幾種路徑：
自動化：AI能自動處理資料輸入、客戶服務與供應鏈管理等任務，減少人力需求並提升效率，進而達到降低成本、增加利潤的效果。
優化決策：AI可分析海量資料，提供關鍵洞見，協助企業做出更明智的決策。例如，它能用於優化定價策略、發掘新商機，以及預測客戶行為。
個人化服務：AI能為客戶提供量身打造的產品與服務，幫助企業更精準地鎖定目標客群，提升客戶滿意度。
創新商業模式：AI催生了過去難以實現的新商業模式。例如，由AI驅動的聊天機器人，能讓企業提供24/7全天候的客戶支援，不受營業時間限制。
過去，AI的應用焦點多集中在安防、網路監測等領域。2020年，AI+安防的市場規模已達人民幣453億元，是商業化落地最快、市場容量最大的賽道之一。預計到2025年，其規模將攀升至人民幣900億元。不過，該領域的解決方案大多仍以硬體與系統綑綁銷售為主。
隨著自然語言處理（NLP）技術降低AI的使用門檻，以及AIGC生成演算法持續優化，我們發現AIGC的商業化落地速度與成效都相當亮眼。部分初創企業如Jasper已開始創造營收，這意味著AI正以更顯著的方式驅動商業模式創新。以2021年成立的Jasper為例，其成立首年營收便達4500萬美元，擁有7萬名用戶；2022年營收預計將達7500萬美元。根據官網資訊，Jasper採用類似SaaS的服務模式收費，提供初階、高階與客製化三種方案。而國內一些領先的AIGC公司，其用戶規模與內容產出量也在2022年快速增長，預計從2023年開始產生營收與獲利並非難事；但能否發展出成熟的SaaS訂閱模式，仍有待觀察。
以 Jasper 為例，它不僅整合了 GPT-3、NeoX、T5 等多種模型演算法，更針對實際業務需求，打造了客製化的學習模型——透過建構直覺的使用者介面與工作流程，讓 AI 更易融入日常作業。同時，由於融合了多種模型，Jasper 能針對不同產業或特定使用場景，靈活調配出最佳模型組合。這種做法不僅能避免過度依賴單一技術來源，更能有效提升最終的內容產出品質。在 Jasper 的介面上，提供了數百種垂直領域的應用範本，例如新品推廣郵件等。這些精心設計的範本，能協助使用者更精準、高效地完成任務，從而提升使用意願。這也正是為何 Jasper 成立僅兩年，便能吸引 IBM、Airbnb 等大型企業客戶的關鍵。
隨著技術演進，AI 已不再像過去那樣，必須與特定硬體或系統綑綁才能商業化。對普羅大眾而言，AI 也不再是遙不可及的尖端科技；它已轉變為人人都能輕鬆上手、用以提升效率的實用工具，這也預示著 AI 的商業模式正變得越來越清晰。
2、To B 仍是 AIGC 的主要商業模式
儘管 AIGC 降低了個人使用者接觸 AI 的門檻，但就目前來看，企業端（To B）仍是其核心的商業模式。對一般消費者（C 端）而言，這類需求往往缺乏持續性，多數只是出於一時好奇的體驗；反觀企業客戶，其需求與付費意願則相對穩定且長期。主要原因有以下兩點：
降低成本
AIGC 能接手部分原本需要原創人員完成的工作，例如網站內容編輯、美工設計等。假設人工成本為 100 萬元，而 AIGC 能將成本降低 50% 以上，企業自然有強烈動機以機器取代人力。事實上，這樣的趨勢已在體育、金融、汽車等垂直領域悄然發生。
早在 2018 年，路透社就推出了 AI 新聞撰稿工具 Lynx Insight Service，其核心思路是將編輯工作中機器擅長的環節（如數據挖掘與規律識別）交給 AI，而人類編輯則專注於更擅長的部分，例如設定問題、權衡任務重要性、理解上下文等。這與我們先前嘗試用 ChatGPT 撰寫研究報告的情況類似。未來，人類將主要負責把握大方向與提出關鍵問題，而 AI 則承擔資訊的搜集、處理、彙總與整合工作。
除了上述模式，目前更常見的做法是透過 AI 快速抓取資訊與數據，再套用預先設定的模板生成文稿。這在我們日常接觸的「萬得」（Wind）快訊，以及汽車垂直媒體的參數對比文章中相當普遍。
除了新聞稿件，AIGC 生成的圖片也廣泛應用於新聞稿或自媒體文章的插圖與封面。相較於從素材庫搜尋現成圖片，AIGC 生成的圖片更能貼合文章內容，同時省下了聘請美工的費用，效率也更高。不過，目前文字生成的需求仍遠高於圖片生成，一方面是因為文字工作的完成度更容易評估，另一方面也受市場本身規模的限制。
彌合B端需求缺口
部分面向企業（B端）的應用因具有專案制特性，需求往往難以被滿足，這種現象可稱為「需求缺口」。以建構IP矩陣為例，當需要為大型IP開發電影、電視、遊戲、動漫、手辦等周邊產品時，往往需要大量各領域的原創作者共同豐富IP內容，這是一個耗資巨大且過程漫���的工程。內容供給方常因工作量過於龐大而無法產出足夠的原創素材，需求方則因看不到具體內容而難以決定付費。未來，基於AIGC技術，原創內容方僅需提供少量手稿，即可借助模型協助大量生成內容；由於擴散模型（diffusion model）的特性，這種「白盒＋黑盒」的內容生成方式甚至帶有「二次創作」的色彩。若能借助AIGC技術彌合這類需求缺口，大型B端專案的落地將變得更加容易。
以二次元市場為例，該產業已進入爆發期，產業鏈日趨成熟。2020年，中國二次元整體市場規模已突破千億元人民幣，預計到2023年，泛二次元用戶規模將達到5億人。圍繞二次元IP衍生出的潮玩、虛擬偶像、服裝及線下娛樂等新型產品矩陣，市場潛力巨大，也是當前產業發展的重點方向。
在潮玩、虛擬偶像與服裝的設計生產過程中，涉及挑選設計師、完成設計等多個環節。引入AIGC技術，能大幅提升此流程的效率。傳統模式下，需要安排一批設計師繪製初稿，再提交IP方審核與溝通，所產生的溝通成本與前期設計費用相當可觀。而在AIGC的協助下，設計師可先訓練出具有個人風格的生成模型，快速依據IP方需求產出多版初稿以供選擇。這不僅能迅速鎖定合適的設計師，還能有效降低溝通成本。在後續的設計與生產階段，亦可透過AIGC高效生成多種符合IP調性或類似風格的內容，從而大幅提升效率、降低成本。
因此，即便AIGC技術日益普及，我們認為在當前階段，面向B端仍是其主要商業模式方向。核心原因在於，AIGC為企業帶來的效率提升是顯著且可感知的，更能填補過去難以實現的需求對接，因此客戶付費意願也更為強烈。
3、面向消費者的AIGC，以SaaS訂閱制為主
隨著AI模型與算力發展突破可用門檻，AIGC對個人能力的賦能也成為值得關注的焦點。這類應用能以極低的邊際成本，大幅提升個人的資訊處理效率與內容產出品質，甚至可能反過來推動生產關係的演變。
因此，針對消費端的AIGC應用，其商業價值可從兩個層面來分析：首先是作為效率工具。例如傳統的筆記、日程管理等應用，AIGC能在資訊蒐集、格式整理與工作流程等環節，有效提升個人用戶的效率。AI模型作為底層技術，也能無縫整合到現有的工作流中。其次是作為創作工具。如同剪輯、修圖軟體，在UGC內容當道的今天，AIGC能大幅降低一般用戶的創作門檻，進而強化個人媒體的IP價值。
從商業角度來看，以AIGC為底層基礎設施的SaaS訂閱模式，將成為中長期的主流趨勢。目前像Midjourney這樣的企業已有成功先例。用戶願意付費，主要基於以下幾點：
更高效的信息獲取方式
AIGC正逐步取代搜尋引擎，成為下一代資訊獲取方式。自從 ChatGPT 問世以來，「ChatGPT 會取代 Google 嗎？」便成為熱議話題。傳統搜尋引擎依賴關鍵字檢索與結果排序，為使用者提供一系列可能相關的網頁連結；而 ChatGPT 則憑藉其龐大的語料庫，直接針對使用者的提問給出答案。舉例來說，當你詢問「光纖光纜產業概況」時，ChatGPT 能根據其訓練數據，直接生成一份結構化的解答，並能在後續追問中持續對話。相較之下，使用傳統搜尋引擎，你得先輸入關鍵字，再從眾多結果中篩選、整理資訊。實際體驗顯示，從 ChatGPT 獲取���訊不僅品質更高，速度也更快；當然，它也存在資料集的限制（例如無法獲取 2020 年之後的最新資訊）。即便如此，ChatGPT 在大多數應用場景中，已足以取代傳統搜尋引擎。雖然目前仍處於示範階段，但已有不少社群用戶表示願意付費使用，以提升工作效率。
從輔助表達轉向替代表達
在內容創作領域，AIGC 已能實現從輔助到替代的跨越。過去，效率工具如 Grammarly 主要協助使用者潤飾語氣與措辭，或提供常用模板來提升溝通效率。如今，AIGC 更進一步，能依據指定的格式、語氣與情境直接生成內容，從而替代部分人工創作。以 Jasper 為例，其核心的 AI 文字生成功能，就能協助用戶產出 Instagram 標題、撰寫 TikTok 腳本、創作廣告文案或電子郵件等各式內容。
無縫整合至現有工作流程
AIGC 將融入現有工作流程。AI 大型模型作為基礎設施，可針對特定場景與需求設計應用，也能無縫整合到現行工作流程中。以 Notion AI 為例：其底層應用 Notion 是一款跨平台文件工具，具備協作、筆記、表格、看板等功能；它在 2021 年完成由 Coatue 和紅杉資本領投的 2.5 億美元 C 輪融資，投後估值達 103 億美元。截至 2022 年，Notion 用戶數已達 3000 萬，其中付費用戶為 400 萬。近期，Notion 推出了 Notion AI 測試版，這項功能已完全融入 Notion 的既有工作流程；當用戶在應用中整理素材、管理日程或進行內容創作時，都能借助 AI 輔助提升效率。即便是 MidJourney、無界版圖或 ChatGPT，我們認為也很難被視為一套完整的工具——一旦脫離用戶的日常工作流程，AIGC 就更像個「玩具」；但若能將這類功能嵌入既有流程，情況便截然不同。
拓展使用者創造力
創作工具的普及，讓更多個人用戶成為內容創作者，進而推動 UGC（使用者生成內容）蓬勃發展。而 AIGC 作為一種內容創作工具，將進一步降低圖像、影片等多媒體內容的創作門檻。過去或許只能透過文字稿自動生成配音，如今 AIGC 已能實現「一句話生成文案」、「一句話生成圖像」，甚至「一句話生成影片」。例如，在 MidJourney 中，用戶只需輸入文字描述，電腦便能自動生成一幅作品；AIGC 虛擬人則可根據文案內容自動生成虛擬人節目。這些應用在學習成本相對較低的前提下，讓用戶得以在極短時間內產出大量內容。
四、AIGC 背後的算力商機
那麼，驅動 AIGC 所需的「大算力」，規模究竟有多驚人？
AI訓練所需的算力正呈指數級增長，其速度已超越硬體發展遵循的摩爾定律。2018年，OpenAI發布了一項研究，旨在量化訓練大型語言模型所需的算力及其增長趨勢。研究發現，從2012年到2018年，用於AI訓練的算力大約每3到4個月就會翻倍，呈現出驚人的指數級增長（相比之下，摩爾定律預測的增長速度是每18個月翻倍）。在這六年間，訓練AI所消耗的算力暴增了30萬倍，而同期硬體性能依循摩爾定律僅提升了約7倍。
對於當前常見的大型模型（如GPT-3、NLG、Gopher等），其訓練算力通常以「petaFLOPS-days」為單位來衡量。這個單位意味著，一台每秒能執行一千萬億次浮點運算的設備，需要滿載運行整整一天。作為對比，NVIDIA的旗艦顯卡RTX 3090在標準功耗下的浮點算力約為35 TFLOPs，即每秒可進行35兆次運算；而1 petaFLOPS-day的算力，相當於讓這張顯卡以最高性能不間斷地運行29天。即便是動用目前最快的超級電腦，在理想狀態下完成這類訓練也至少需要一週以上的時間。
AIGC應用普及後，將催生龐大的算力市場。AI模型需要驚人的算力，成本也隨之飆升。以GPT-3為例，其參數高達1750億個，訓練所需的算力達到3650 PFLOPS-day。根據Lambda的估算，若以V100在理想狀態下28 TFLOPS的算力，並採用最低的三年期雲端運算成本來計算，完成GPT-3訓練需花費460萬美元。而下一代GPT-4的參數量只會更多。
儘管AI模型本身可能開源，但訓練所用的資料集與最終成果，往往是團隊的核心資產。這意味著，每一款AI產品都必須自行負擔高昂的訓練成本。目前，大多數新創團隊選擇部署在雲端，因為自建算力叢集的成本實在太高。以高階的A100為例，單張售價約在人民幣6至9萬元，若要配置1000張A100 GPU，再加上CPU、硬碟、儲存設備、機房與電力等配套設施，整體硬體投入將逼近人民幣1億元。未來，隨著AIGC在企業端與消費端實現商業化落地，無論是算力叢集的建設，還是雲端服務，都將迎來龐大商機。同時，在NVIDIA A100、H100等晶片出口受限的背景下，相關的國產算力晶片有望搶佔這塊增量市場。
5、AIGC社群的價值——未來的金礦
近期與多個創業團隊交流時，我們觀察到一個產業焦點：AIGC 如何與 Web3.0 結合，並融入社群生態。這種融合趨勢主要體現在三個方面：AIGC 能活躍社群互動、推動文化發展；社群可為 AI 模型提供訓練回饋；AIGC 與 NFT 結合，則能開創全新的商業模式。
降低表達門檻，能吸引更多用戶參與社群互動。相較於 UGC 平台，AIGC 更能降低用戶的創作門檻與成本。當創作變得更容易，不僅能活躍社群、促進發展，也能為平台節省內容成本。舉例來說，暴走漫畫當初就是透過簡易的漫畫製作工具，降低了表達門檻，從而催生出大量流行段子，讓整個「暴走 IP」社群更加豐富。而 AIGC 賦予用戶的創造力，遠超過傳統內容社群，甚至有望催生出全新的平台商業模式。
社群對AIGC作品的回饋，是訓練AI模型的重要依據。以圖片生成為例，相同的提示詞在不同平台的效果可能天差地別——在A平台表現出色，在B平台卻可能不盡理想。這其中的關鍵差異，往往在於模型的訓練方式。即便採用相同模型，不同的訓練方法也會導致截然不同的結果。在監督式學習中，訓練員需要針對AIGC產出的內容給予回饋，藉此調整演算法參數，直到模型表現符合預期。這也是為什麼ChatGPT會免費開放產品Demo，目的正是透過大量使用者互動，收集寶貴的回饋數據。社群的討論與偏好，能為AIGC模型提供高品質的優化方向，從而提升產品競爭力。
當AIGC涉及IP領域時，傳統的著作權授權模式往往難以適用；這類問題在UGC時代便已屢見不鮮，例如粉絲的二次創作行為。NFT的標記特性，讓創作者、二次創作者與觀眾之間的連結變得更加多元。我們也觀察到，包括BAYC、Cryptopunks等NFT的持有者已形成具有排他性的粉絲社群，NFT與粉絲經濟的結合模式正在不斷探索中。由於AIGC的生成過程帶有隨機性，極難產出完全相同的內容，且會生成類似數位指紋的seed；將AIGC與NFT結合，既能將內容生產者與作品本身綁定，也能讓內容與原始IP產生關聯。這個領域仍有巨大的探索空間，目前矽谷與新加坡已有不少團隊積極投入，我們將在後續研究中持續關注。
6、投資策略：聚焦 AIGC 的軟硬體與資料集
從 PGC、UGC 到 AIGC，人工智慧生成內容正讓人類突破生產力的限制，能以高效率產出高品質內容，加速邁向元宇宙的進程。然而，要讓 AIGC 滿足元宇宙龐大的需求，並能獨立完成高品質、高精度的內容產出，技術層面仍有待突破。我們可以從軟體與硬體兩個面向來觀察：軟體層面主要包括自然語言處理（NLP）技術、AIGC 生成演算法模型與資料集；硬體層面則涵蓋算力與通訊網路。
潛在催化劑：
1）第二季 GPT-4 新模型發布。
2）微軟將 AIGC 功能整合至搜尋引擎與 Office 辦公軟體。
從主題投資的角度來看，我們認為 AIGC 在歷經 2022 年的概念導入期後，將於 2023 年邁入產業爆發期，包括新模型的發布，以及「AIGC+」在各領域的實際應用落地。一方面，AIGC 對現有主流應用（如短影音、遊戲等）具有顛覆性潛力，不僅能大幅提升內容產量、增加用戶黏著度，也為社交互動與廣告行銷帶來全新工具；另一方面，在 Web3 開放、共建的價值觀下，UGC 與 AIGC 內容將更具吸引力，二次創作與開放想像的浪潮已然來臨。
風險提示
技術創新不及預期：AIGC 技術發展進度不如預期，或底層硬體技術（如超級電腦、算力）發展遲緩。
政策與監管風險：目前AIGC技術仍處於發展初期，未來是否會針對AIGC生成的作品，制定相關的知識產權規範或其他法律監管框架，目前尚不明朗。